Введение в глубокое обучение с использованием TensorFlow

в 12:57, , рубрики: ashmig, deep learning, machine learning, neural networks, TensorFlow, Udacity, искусственный интеллект, машинное обучение

Полный курс на русском языке можно найти по этой ссылке.
Оригинальный курс на английском доступен по этой ссылке.

Введение в глубокое обучение с использованием TensorFlow - 1

Выход новых лекций запланирован каждые 2-3 дня.

Кто эти люди?

Давай узнаем больше о тех, кто нам этот курс подготовили и будут его вести.

Три человека:

  • Magnus Hyttsten, Developer Advocate, Google
  • Juan Delgado, Content Developer, Udacity
  • Paige Bailey, Developer Advocate, Google

Во-первых, кто такие developer advocates? Судя по этой статье с Хабра это евангелисты. Кто это такие — евангелисты?

ИТ-евангелист — специалист, профессионально занимающийся пропагандой в сфере информационных технологий.

Интересно.

Изучая машинное обучение мы столкнёмся со множеством новых и различных терминов, например, такие термины как искусственный интеллект, машинное обучение, нейронные сети и глубокое обучение. Что на самом деле означают эти термины и каким образом они соотносятся друг с другом?

Ниже мы разберём каждый из этих терминов и покажем их связь между собой.

Искусственный интеллект: область компьютерных наук, которая ставит своей целью добиться развития человеко-подобного интеллекта у компьютера. Существует множество способов добиться поставленной цели, включая машинное обучение и глубокое обучение.

Машинное обучение: набор связанных техник при использовании которых компьютер тренируется выполнять определённое задание, нежели непосредственное программирование решения задачи.

Нейронные сети: конструкция (структура) в машинном обучении вдохновлённая сетями нейронов (нервными клетками) в биологическом мозге. Нейронные сети являются фундаментальной частью глубокого обучения и будут изучены (затронуты) в этом курсе.

Глубокое обучение: под-область машинного обучения использующая многослойные нейронные сети (нейронные сети состоящие из нескольких слоёв). Часто термины «машинное обучение» и «глубокое обучение» взаимозаменяемы.

Машинное обучение и глубокое обучение так же состоят из множества под-областей, веток и уникальных техник. Один из самых значимых и известных примеров — разделение «обучения с учителем» и «обучение без учителя».

Говоря простым языком — в «обучении с учителем» вы знаете чему хотите научить компьютер, в то время как «обучение без учителя» аналогично предоставлению возможности компьютеру самому определить что может быть изучено. «Обучение с учителем» наиболее стандартный тип машинного обучения, и именно на нём мы сфокусируемся в данном курсе.

Что нам понадобится из инструментов?

Python — базовые знания (циклы, условные операторы, списки, арифметические операции и ещё некоторые базовые структуры).

При желании можно воспользоваться библиотекой TensorFlow.js на любимом языке JavaScript в браузере.

TensorFlow так же позволяет работать, через «порты»-связки, с такими языками как Swift, R и Julia. Python и JavaScript, на данный момент, обладают наиболее полной поддержкой, поэтому рекомендованы.

CoLab: площадка-песочница для наших приложений

Чтобы уменьшить количество софта, который понадобится ставить на локальную машину, по ходу всего курса мы будем использовать бесплатный сервис Google — Colab на базе Jupyter.

… и стандартные call-to-action — подписывайся, ставь плюс и делай share :)

Видео-версия статьи

YouTube: https://youtube.com/channel/ashmig
Telegram: https://t.me/ashmig
ВКонтакте: https://vk.com/ashmig

P.S.

Какого рода англоязычные курсы в этом направлении стоит браться переводить for public и упаковывать в материалы (текстовые + видео)? Какой формат практических заданий наиболее подходящий в этих направлениях — готовые сборки на GitHub или отрывки кода для последующего собственного сведения всех частей?

Любая обратная связь приветствуется!

Автор: Андрей Шмиг

Источник

* - обязательные к заполнению поля


https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js